Active learning with non- ab initio input features toward efficient CO 2 reduction catalysts
2018 · Chemical Science
저자
Juhwan Noh, Seoin Back, Jaehoon Kim, 정유성 (Yousung Jung)
연구주제
Machine Learning in Materials Science · CO2 Reduction Techniques and Catalysts · Advanced Chemical Physics Studies
NTIS 과학기술표준분류
배정 근거: 지원 과제·키워드 근거가 없어 AI가 논문 제목·초록을 읽고 고른 분류(정책 연계 맵과 같은 방법).
AI 연구 키워드·방법
catalyst screening chemisorption descriptor 전기화학적 CO2 환원
키워드 (OpenAlex)
CO2 reduction electrocatalysts active learning (machine learning) machine learning descriptors d-band width electronegativity chemisorption catalyst screening
초록
In this work, we propose the use of the d-band width of the muffin-tin orbital theory (to account for the local coordination environment) plus electronegativity (to account for adsorbate renormalization) as a simple set of alternative descriptors for chemisorption which do not require ab initio calculations for large-scale first-hand screening.
이 논문을 지원한 국가R&D 과제 (NTIS 성과)
NTIS 성과DB(2020–24)에서 DOI 매칭 없음
인접 그래프
노드 hover = 이웃 강조 · 1회 클릭 = 고정 · 고정된 노드 다시 클릭 = 페이지 이동
이 문서와 연결된 페이지
교수 1
연구주제 1
Machine Learning in Materials Science